AesPA-Net：美学图案感知风格迁移网络
计算机视觉与模式识别
2023-08-09 v3
摘要
为传达目标风格的艺术表现力，近期研究利用注意力机制，因其能够将风格图像的局部块映射到内容图像的对应块。然而，由于任意内容与艺术作品间语义对应较低，注意力模块反复滥用风格图像中特定局部块，导致不和谐且明显的重复伪影。为克服该局限并实现完美的艺术风格迁移，我们聚焦于增强注意力机制并捕获组织风格的图案节奏。本文引入一种新度量，即图案可重复性，量化风格图像中图案的重复程度。基于图案可重复性，我们提出美学图案感知风格迁移网络（AesPA-Net），其发现了局部与全局风格表达的最佳平衡点。此外，我们提出一种新颖的自监督任务，以鼓励注意力机制学习精确而有意义的语义对应。最后，我们引入块级风格损失来迁移局部图案的精细节奏。通过定性与定量评估，我们验证了所提图案可重复性与人类感知一致，并展示了所提框架的优越性。
引用
@article{arxiv.2307.09724,
title = {AesPA-Net: Aesthetic Pattern-Aware Style Transfer Networks},
author = {Kibeom Hong and Seogkyu Jeon and Junsoo Lee and Namhyuk Ahn and Kunhee Kim and Pilhyeon Lee and Daesik Kim and Youngjung Uh and Hyeran Byun},
journal= {arXiv preprint arXiv:2307.09724},
year = {2023}
}
备注
Accepted by ICCV 2023. Code is available at this https://github.com/Kibeom-Hong/AesPA-Net